《表2 AUC结果对比:基于Catboost算法的优惠券个性化投放》
我们从时间维度上对原始数据进行滑窗划分,以连续4个月作为一个窗口,一个月作为间隔,将前三个月作为特征数据,后一个月作为标签数据,以此将原始数据分为3个数据集。我们使用前两个数据集训练模型,用第三个数据集来测试模型,得到模型的AUC并和传统的GBDT和另一种著名实现Xgboost(T.Chen and C.Guestrin.Xgboost:A scalable tree boosting system.In Proceedings of the 22Nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining,pages 785-794.ACM,2016)进行对比,ROC曲线和AUC结果如图3和表2所示。
图表编号 | XD0017318300 严禁用于非法目的 |
---|---|
绘制时间 | 2018.12.01 |
作者 | 刘嘉穗 |
绘制单位 | 广东工业大学 |
更多格式 | 高清、无水印(增值服务) |